基于Spotify曲库数据集的音乐多标签分类建模：极端类别不平衡问题的高级求解问询

这真是个典型又棘手的多标签音频分类问题——我之前在处理类似的音乐流派任务时也踩过几乎一模一样的坑！先给你梳理几个经过实践验证的高级技巧，以及关于决策阈值调优的具体做法：

一、数据层面：从根源缓解不平衡 #

• 标签感知的重采样策略
  普通的随机欠采样/过采样在多标签场景下会破坏标签关联（比如欠采样多数类Other/Indie时，可能会丢掉同时属于Pop的样本）。推荐用ML-SMOTE（多标签版SMOTE），它会基于音频特征的相似性，为少数类标签生成合成样本，既补充了少数类数据，又保留了标签间的重叠关系；如果不想引入合成数据，也可以对少数类样本做有放回的过采样，但要配合早停（Early Stopping）避免过拟合。
• 分层多标签数据集划分
  你之前测试集95%是Other/Indie，明显是划分时没考虑标签分布。一定要用MultiLabelStratifiedKFold（sklearn里就有）来划分训练/验证/测试集，确保每个子集里的标签分布和整体一致，这样模型训练时才不会被多数类完全主导。
• 音频特征增强
  针对你用到的12个手工特征（danceability、acousticness等），可以做轻量增强：比如给少数类样本的特征加微小的高斯噪声，或者按±5%的比例随机缩放特征值，增加少数类样本的多样性，帮助模型学习更鲁棒的特征模式。

二、模型与损失函数：让模型主动关注少数类 #

• 多标签版Focal Loss
  单纯的class weights只是给少数类的损失加固定权重，而Focal Loss会动态降低易分类样本（比如多数类的样本）的损失权重，聚焦在难分类的少数类样本上。多标签场景下的实现示例：

  import tensorflow as tf
  
  def multi_label_focal_loss(y_true, y_pred, alpha=0.25, gamma=2.0):
      # alpha对应class weights，gamma为聚焦参数（通常取2）
      bce = tf.keras.losses.binary_crossentropy(y_true, y_pred)
      p_t = y_true * y_pred + (1 - y_true) * (1 - y_pred)
      loss = alpha * (1 - p_t)**gamma * bce
      return tf.reduce_mean(loss)
  

  这个损失函数比单纯加class weights更能逼迫模型关注少数类的预测。
• 标签注意力机制
  可以在模型的输出层前加一个标签注意力层，让模型自动学习不同标签的重要性。比如用一个小型的全连接层生成每个标签的注意力权重，然后加权每个标签的输出，少数类的权重会被模型自动调高（因为模型会发现这些标签的预测误差更大）。
• 预训练音频特征迁移
  你现在用的是手工提取的12个特征，试试用预训练的音频特征提取模型（比如OpenL3、VGGish）提取更高级的语义特征，这些模型在海量音频数据上预训练过，能捕捉到手工特征遗漏的模式，尤其是少数类独有的音频特征，再用这些特征做多标签分类，效果会提升很多。

三、后处理：调优每类决策阈值（亲测有效！） #

完全可以通过调优每个标签的决策阈值来提升少数类召回率，这是从业者处理多标签不平衡问题的常用手段！

具体做法： #

1. 用验证集的预测概率和真实标签，针对每个标签单独绘制精确率-召回率（PR）曲线；
2. 根据你的业务需求（比如要让Rock/Hip-Hop的召回率达到0.7），找到对应阈值；
3. 用这个阈值替换默认的0.5，对测试集进行预测。

代码示例（基于sklearn）： #

import numpy as np
from sklearn.metrics import precision_recall_curve

# 假设val_pred是模型对验证集的预测概率（shape: [样本数, 标签数]）
# val_true是验证集的真实多标签矩阵（shape: [样本数, 标签数]）
label_names = ["Pop", "Electronic", "Rock", "Hip-Hop", "Other/Indie", ...]  # 你的8个流派标签

for label_idx in range(len(label_names)):
    precision, recall, thresholds = precision_recall_curve(
        val_true[:, label_idx], val_pred[:, label_idx]
    )
    # 示例：找到召回率>=0.7时的最小阈值（兼顾精确率）
    target_recall = 0.7
    # 找到第一个达到目标召回率的索引
    idx = np.argmax(recall >= target_recall)
    best_threshold = thresholds[idx] if idx < len(thresholds) else 0.5
    print(f"标签 {label_names[label_idx]} 最优阈值: {round(best_threshold, 3)}")

注意事项： #

• 少数类的阈值通常要低于0.5（比如0.2-0.4），这样模型更容易预测该标签为正；
• 多数类的阈值可以适当提高（比如0.6-0.7），减少误判；
• 这是一种trade-off：提升少数类召回率的同时，可能会降低整体精确率，需要根据你的业务目标平衡。

总结建议 #

优先从数据集划分和Focal Loss入手，这两个改动能快速缓解不平衡问题；再配合阈值调优进一步提升少数类召回；如果还有余力，试试预训练特征迁移，效果会更上一层楼。

内容的提问来源于stack exchange，提问作者Ryan Thien Nguyen